Dietary quality and nutrient intake in adults with obsessive–compulsive disorder
Notice bibliographique
Résumé
Background Many mental disorders, including depression, bipolar disorder and schizophrenia, are associated with poor dietary quality and nutrient intake. There is, however, a deficit of research looking at the relationship between obsessive–compulsive disorder (OCD) severity, nutrient intake and dietary quality. Aims This study aims to explore the relationship between OCD severity, nutrient intake and dietary quality. Method A post hoc regression analysis was conducted with data combined from two separate clinical trials that included 85 adults with diagnosed OCD, using the Structured Clinical Interview for DSM-5. Nutrient intakes were calculated from the Dietary Questionnaire for Epidemiological Studies version 3.2, and dietary quality was scored with the Healthy Eating Index for Australian Adults – 2013. Results Nutrient intake in the sample largely aligned with Australian dietary guidelines. Linear regression models adjusted for gender, age and total energy intake showed no significant associations between OCD severity, nutrient intake and dietary quality (all P > 0.05). However, OCD severity was inversely associated with caffeine (β = −15.50, 95% CI −28.88 to −2.11, P = 0.024) and magnesium (β = −6.63, 95% CI −12.72 to −0.53, P = 0.034) intake after adjusting for OCD treatment resistance. Conclusions This study showed OCD severity had little effect on nutrient intake and dietary quality. Dietary quality scores were higher than prior studies with healthy samples, but limitations must be noted regarding comparability. Future studies employing larger sample sizes, control groups and more accurate dietary intake measures will further elucidate the relationship between nutrient intake and dietary quality in patients with OCD.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».